Doit être false. La réponse est générée pendant la requête.
Responses
API Responses, actuellement en aperçu public.
Exemples
Exemples réels de code
Créer une réponse
POST /v1/responses#
AdditionalProperties#
background#
Default Value: false
conversation#
Doit être omis ou null. Conservez l'historique de la conversation dans votre application et envoyez-le dans input.
Un prompt texte ou un tableau de messages, d'éléments de sortie précédents et de résultats de fonction. Pour une conversation sur plusieurs tours, incluez l'historique de la conversation dans ce tableau. Les messages utilisateur et les résultats de fonction peuvent contenir des images et des fichiers ; leur prise en charge dépend du modèle.
max_output_tokens#
Le nombre maximal de tokens à générer, incluant les tokens de raisonnement et le texte de la réponse.
max_tool_calls#
Accepté pour des raisons de compatibilité ; actuellement ignoré.
metadata#
Paires clé-valeur de type chaîne associées à la requête.
moderation#
Doit être omis ou null.
parallel_tool_calls#
Default Value: true
Indique si le modèle peut retourner plusieurs appels de fonction dans une seule réponse.
previous_response_id#
Doit être omis ou null. Cette API est sans état ; incluez les éléments de sortie antérieurs dans input.
prompt#
Doit être omis ou null. Envoyez votre invite dans input et instructions.
prompt_cache_key#
Une clé utilisée pour le routage du cache de prompt.
reasoning#
Le niveau d'effort de raisonnement à utiliser. Choisissez un effort pris en charge par le modèle ; voir Raisonnement.
store#
Doit être omis, false ou null. Les réponses sont sans état.
stream#
Default Value: false
Définir à true pour recevoir des événements Server-Sent Events au fur et à mesure de la génération de la réponse. Dans les SDK Mistral, chaque trame contient un événement dans data.
temperature#
Contrôle l'aléatoire de l'échantillonnage. Des valeurs plus basses produisent un résultat plus cohérent. Lorsque omis, la valeur par défaut du modèle est utilisée.
text#
Configurez la sortie de texte avec format : texte brut, mode JSON ou un schéma JSON.
tool_choice#
Contrôle l'appel de fonction : "auto" laisse le modèle décider, "none" désactive les appels, et "required" impose un appel de fonction. Vous pouvez également sélectionner une fonction par nom.
tools#
Définitions de fonctions que le modèle peut appeler, éventuellement regroupées en espaces de noms. Votre application exécute chaque fonction et envoie son résultat dans une requête ultérieure.
top_logprobs#
Doit être omis, 0 ou null.
top_p#
Seuil d'échantillonnage nucleus. Lorsque omis, la valeur par défaut du modèle est utilisée.
truncation#
Default Value: "disabled"
Doit être "disabled". Gardez l'entrée dans la fenêtre de contexte du modèle.
200 (application/json)
200 (text/event-stream)
Réponse réussie
AdditionalProperties#
background#
completed_at#
incomplete_details#
Détails lorsque la génération s'arrête avant que la réponse ne soit complète.
instructions#
max_output_tokens#
max_tool_calls#
metadata#
Les messages générés, les éléments de raisonnement et les appels de fonction. Pour poursuivre la conversation, ajoutez ces éléments à l'entrée input de votre prochaine requête.
previous_response_id#
prompt_cache_key#
prompt_cache_retention#
reasoning#
safety_identifier#
service_tier#
status#
Le statut de la réponse. Vérifiez ce champ pour voir si la génération est terminée.
temperature#
text#
top_logprobs#
top_p#
truncation#
user#
curl https://api.mistral.ai/v1/responses \
-H "Content-Type: application/json" \
-H "Authorization: Bearer $MISTRAL_API_KEY" \
-d '{
"model": "mistral-large-4",
"input": "Write a one-sentence greeting.",
"reasoning": {
"effort": "high"
},
"max_output_tokens": 4096
}'
curl https://api.mistral.ai/v1/responses \
-H "Content-Type: application/json" \
-H "Authorization: Bearer $MISTRAL_API_KEY" \
-d '{
"model": "mistral-large-4",
"input": "Write a one-sentence greeting.",
"reasoning": {
"effort": "high"
},
"max_output_tokens": 4096
}'
import os
from mistralai.client import Mistral
with Mistral(api_key=os.environ["MISTRAL_API_KEY"]) as client:
response = client.responses.create(
model="mistral-large-4",
input="Write a one-sentence greeting.",
reasoning={"effort": "high"},
max_output_tokens=4096,
)
for item in response.output:
if item.type == "message":
for part in item.content:
if part.type == "output_text":
print(part.text)
import os
from mistralai.client import Mistral
with Mistral(api_key=os.environ["MISTRAL_API_KEY"]) as client:
response = client.responses.create(
model="mistral-large-4",
input="Write a one-sentence greeting.",
reasoning={"effort": "high"},
max_output_tokens=4096,
)
for item in response.output:
if item.type == "message":
for part in item.content:
if part.type == "output_text":
print(part.text)
import { Mistral } from "@mistralai/mistralai";
const client = new Mistral({ apiKey: process.env.MISTRAL_API_KEY });
const response = await client.responses.create({
model: "mistral-large-4",
input: "Write a one-sentence greeting.",
reasoning: { effort: "high" },
maxOutputTokens: 4096,
});
for (const item of response.output) {
if (item.type === "message") {
for (const part of item.content) {
if (part.type === "output_text") console.log(part.text);
}
}
}
import { Mistral } from "@mistralai/mistralai";
const client = new Mistral({ apiKey: process.env.MISTRAL_API_KEY });
const response = await client.responses.create({
model: "mistral-large-4",
input: "Write a one-sentence greeting.",
reasoning: { effort: "high" },
maxOutputTokens: 4096,
});
for (const item of response.output) {
if (item.type === "message") {
for (const part of item.content) {
if (part.type === "output_text") console.log(part.text);
}
}
}
200 (application/json)
200 (text/event-stream)
{
"id": "resp_example",
"object": "response",
"created_at": 1792584000,
"model": "mistral-large-4",
"status": "completed",
"output": [
{
"type": "message",
"id": "msg_example",
"role": "assistant",
"status": "completed",
"content": [
{
"type": "output_text",
"text": "Hello! How can I help you today?",
"annotations": []
}
]
}
],
"parallel_tool_calls": true,
"tool_choice": "auto",
"tools": [],
"store": false,
"error": null,
"incomplete_details": null,
"usage": {
"input_tokens": 12,
"input_tokens_details": {
"cached_tokens": 0
},
"output_tokens": 10,
"output_tokens_details": {
"reasoning_tokens": 0
},
"total_tokens": 22
}
}{
"id": "resp_example",
"object": "response",
"created_at": 1792584000,
"model": "mistral-large-4",
"status": "completed",
"output": [
{
"type": "message",
"id": "msg_example",
"role": "assistant",
"status": "completed",
"content": [
{
"type": "output_text",
"text": "Hello! How can I help you today?",
"annotations": []
}
]
}
],
"parallel_tool_calls": true,
"tool_choice": "auto",
"tools": [],
"store": false,
"error": null,
"incomplete_details": null,
"usage": {
"input_tokens": 12,
"input_tokens_details": {
"cached_tokens": 0
},
"output_tokens": 10,
"output_tokens_details": {
"reasoning_tokens": 0
},
"total_tokens": 22
}
}{
"event": "response.output_text.delta",
"data": {
"type": "response.output_text.delta",
"sequence_number": 4,
"item_id": "msg_example",
"output_index": 0,
"content_index": 0,
"delta": "Hello",
"logprobs": []
}
}{
"event": "response.output_text.delta",
"data": {
"type": "response.output_text.delta",
"sequence_number": 4,
"item_id": "msg_example",
"output_index": 0,
"content_index": 0,
"delta": "Hello",
"logprobs": []
}
}Compter les jetons d'entrée
POST /v1/responses/input_tokens#
Compter les jetons d'entrée de la réponse.
Compter les jetons d'entrée pour une requête de réponses sans générer de réponse. Le compte inclut la conversation fournie, les instructions et les définitions d'outils.
Utilisez les mêmes entrées, instructions et outils que vous prévoyez d'envoyer lors de la création d'une réponse. Pour les conversations multi-tours, incluez les éléments de sortie antérieurs et les résultats de fonction dans l'entrée.
AdditionalProperties#
conversation#
Doit être omis ou null. Conservez l'historique de la conversation dans votre application et envoyez-le dans input.
Un prompt texte ou un tableau de messages, d'éléments de sortie précédents et de résultats de fonction. Pour une conversation sur plusieurs tours, incluez l'historique de la conversation dans ce tableau. Les messages utilisateur et les résultats de fonction peuvent contenir des images et des fichiers ; leur prise en charge dépend du modèle.
parallel_tool_calls#
Default Value: true
Indique si le modèle peut retourner plusieurs appels de fonction dans une seule réponse.
previous_response_id#
Doit être omis ou null. Cette API est sans état ; incluez les éléments de sortie antérieurs dans input.
prompt#
Doit être omis ou null. Envoyez votre invite dans input et instructions.
reasoning#
Le niveau d'effort de raisonnement à utiliser. Choisissez un effort pris en charge par le modèle ; voir Raisonnement.
text#
Configurez la sortie de texte avec format : texte brut, mode JSON ou un schéma JSON.
tool_choice#
Contrôle l'appel de fonction : "auto" laisse le modèle décider, "none" désactive les appels, et "required" impose un appel de fonction. Vous pouvez également sélectionner une fonction par nom.
tools#
Définitions de fonctions que le modèle peut appeler, éventuellement regroupées en espaces de noms. Votre application exécute chaque fonction et envoie son résultat dans une requête ultérieure.
truncation#
Default Value: "disabled"
Doit être "disabled". Gardez l'entrée dans la fenêtre de contexte du modèle.
curl https://api.mistral.ai/v1/responses/input_tokens \
-H "Content-Type: application/json" \
-H "Authorization: Bearer $MISTRAL_API_KEY" \
-d '{
"model": "mistral-large-4",
"input": "Write a one-sentence greeting."
}'
curl https://api.mistral.ai/v1/responses/input_tokens \
-H "Content-Type: application/json" \
-H "Authorization: Bearer $MISTRAL_API_KEY" \
-d '{
"model": "mistral-large-4",
"input": "Write a one-sentence greeting."
}'
import os
from mistralai.client import Mistral
with Mistral(api_key=os.environ["MISTRAL_API_KEY"]) as client:
response = client.responses.count_input_tokens(
model="mistral-large-4",
input="Write a one-sentence greeting.",
)
print(response.input_tokens)
import os
from mistralai.client import Mistral
with Mistral(api_key=os.environ["MISTRAL_API_KEY"]) as client:
response = client.responses.count_input_tokens(
model="mistral-large-4",
input="Write a one-sentence greeting.",
)
print(response.input_tokens)
import { Mistral } from "@mistralai/mistralai";
const client = new Mistral({ apiKey: process.env.MISTRAL_API_KEY });
const response = await client.responses.countInputTokens({
model: "mistral-large-4",
input: "Write a one-sentence greeting.",
});
console.log(response.inputTokens);
import { Mistral } from "@mistralai/mistralai";
const client = new Mistral({ apiKey: process.env.MISTRAL_API_KEY });
const response = await client.responses.countInputTokens({
model: "mistral-large-4",
input: "Write a one-sentence greeting.",
});
console.log(response.inputTokens);
200
{
"object": "response.input_tokens",
"input_tokens": 12
}{
"object": "response.input_tokens",
"input_tokens": 12
}